論文の概要: ESP: Extro-Spective Prediction for Long-term Behavior Reasoning in Emergency Scenarios

• arxiv url: http://arxiv.org/abs/2405.04100v1
• Date: Tue, 7 May 2024 08:15:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 14:59:23.556680
• Title: ESP: Extro-Spective Prediction for Long-term Behavior Reasoning in Emergency Scenarios
• Title（参考訳）: ESP:緊急シナリオにおける長期行動推論の実験的予測
• Authors: Dingrui Wang, Zheyuan Lai, Yuda Li, Yi Wu, Yuexin Ma, Johannes Betz, Ruigang Yang, Wei Li,
• Abstract要約: 緊急イベントの履歴に不明瞭な状態変化を伴う長期予測を目的とした,新たなデータセットを構築した。 ESP用のフレキシブルな特徴エンコーダは、シームレスなプラグインとして様々な予測手法に導入された。 予測性能をより包括的に評価するために, CTE (Clamped temporal error) と呼ばれる新しい指標を提案する。
• 参考スコア（独自算出の注目度）: 31.966953155323306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emergent-scene safety is the key milestone for fully autonomous driving, and reliable on-time prediction is essential to maintain safety in emergency scenarios. However, these emergency scenarios are long-tailed and hard to collect, which restricts the system from getting reliable predictions. In this paper, we build a new dataset, which aims at the long-term prediction with the inconspicuous state variation in history for the emergency event, named the Extro-Spective Prediction (ESP) problem. Based on the proposed dataset, a flexible feature encoder for ESP is introduced to various prediction methods as a seamless plug-in, and its consistent performance improvement underscores its efficacy. Furthermore, a new metric named clamped temporal error (CTE) is proposed to give a more comprehensive evaluation of prediction performance, especially in time-sensitive emergency events of subseconds. Interestingly, as our ESP features can be described in human-readable language naturally, the application of integrating into ChatGPT also shows huge potential. The ESP-dataset and all benchmarks are released at https://dingrui-wang.github.io/ESP-Dataset/.
• Abstract（参考訳）: 緊急時安全は完全自動運転における重要なマイルストーンであり、緊急時の安全維持には信頼性の高いリアルタイム予測が不可欠である。 しかし、これらの緊急シナリオは長くて収集が難しいため、システムは信頼性の高い予測を受けられない。 本稿では,緊急イベントの履歴に不明瞭な状態変化を伴う長期予測を目的とした新しいデータセットを構築し,ESP(Extro-Spective Prediction)問題と命名した。 提案したデータセットに基づいて、シームレスなプラグインとして様々な予測手法にESPのフレキシブルな機能エンコーダを導入し、その一貫した性能改善がその有効性を示している。 さらに、特にサブ秒の時間に敏感な緊急イベントにおいて、予測性能をより包括的に評価するために、CTE(Clamped temporal error)と呼ばれる新しい指標を提案する。 興味深いことに、私たちのESP機能は自然に人間可読言語で記述できるので、ChatGPTへの統合の応用もまた大きな可能性を秘めている。 ESP-datasetとすべてのベンチマークはhttps://dingrui-wang.github.io/ESP-Dataset/.comで公開されている。

関連論文リスト

• A Unified Replay-based Continuous Learning Framework for Spatio-Temporal Prediction on Streaming Data [26.570986572374085]
  本稿では,ストリーミングデータの予測を可能にするために,リプレイベースの継続的学習フレームワークを提案する。 このフレームワークは、過去の知識を保存するために時間混合機構を使用してデータと融合した、以前に学習されたサンプルの再生バッファを含む。
  論文  参考訳（メタデータ） (2024-04-23T13:02:11Z)
• Adapting to Length Shift: FlexiLength Network for Trajectory Prediction [53.637837706712794]
  軌道予測は、自律運転、ロボット工学、シーン理解など、様々な応用において重要な役割を果たしている。 既存のアプローチは主に、一般に標準入力時間を用いて、公開データセットの予測精度を高めるために、コンパクトなニューラルネットワークの開発に重点を置いている。 本稿では,様々な観測期間に対する既存の軌道予測の堅牢性を高めるための,汎用的で効果的なフレームワークFlexiLength Network(FLN)を紹介する。
  論文  参考訳（メタデータ） (2024-03-31T17:18:57Z)
• GVFs in the Real World: Making Predictions Online for Water Treatment [23.651798878534635]
  実際の飲料水処理プラントにおける強化学習に基づく予測手法の適用について検討する。 まず、このデータセットを説明し、季節性、非定常性、部分観測可能性といった課題を強調します。 オンラインで学習するTDエージェントに対してオンライン更新を行わずに、純粋にオフラインで訓練されたTDエージェントを比較して、デプロイメントにおける学習の重要性を示す。
  論文  参考訳（メタデータ） (2023-12-04T04:49:10Z)
• Performative Time-Series Forecasting [71.18553214204978]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• LMD: Light-weight Prediction Quality Estimation for Object Detection in Lidar Point Clouds [3.927702899922668]
  Lidarのクラウドデータのオブジェクト検出は、自動運転とロボット工学にとって有望な技術だ。 不確実性推定は下流タスクにとって重要な要素であり、ディープニューラルネットワークは信頼性の高い予測であってもエラーを起こしやすい。 予測品質推定のための軽量後処理方式LidarMetaDetectを提案する。 本実験は,偽予測から真を分離する際の統計的信頼性を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2023-06-13T15:13:29Z)
• Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing Uncertainty [125.41260574344933]
  エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。 全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
  論文  参考訳（メタデータ） (2023-05-26T04:27:48Z)
• Prediction-Oriented Bayesian Active Learning [51.426960808684655]
  予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。 EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-17T10:59:57Z)
• Context-empowered Visual Attention Prediction in Pedestrian Scenarios [0.0]
  本稿では,歩行者の視覚的注意予測における3つの課題に対処する,新しいエンコーダ・デコーダアーキテクチャであるContext-SalNETを提案する。 まず、Context-SalNETは、エンコーダ・デコーダモデルの潜在空間における緊急性と安全性の優先性を明示的にモデル化する。 第2に,指数重み付き平均二乗誤差損失 (ew-MSE) を提案する。
  論文  参考訳（メタデータ） (2022-10-30T19:38:17Z)
• Evaluating Short-Term Forecasting of Multiple Time Series in IoT Environments [67.24598072875744]
  IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。 この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。 これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
  論文  参考訳（メタデータ） (2022-06-15T19:46:59Z)
• Multi-axis Attentive Prediction for Sparse EventData: An Application to Crime Prediction [16.654369376687296]
  本稿では,2つの観測角度による事象伝播の短期的ダイナミクスと長期的意味論の両方を抽出するための,純粋に注意的なアプローチを提案する。 提案したコントラスト学習目的は,MAPSEDのセマンティクスとイベントのダイナミックスを捉える能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-10-05T02:38:46Z)
• Improving Event Duration Prediction via Time-aware Pre-training [90.74988936678723]
  持続時間予測に有効な2つのモデルを提案する。 1つのモデルは、期間値が該当する範囲/単位を予測し(R−pred)、もう1つのモデルは正確な期間値E−predを予測する。 我々の最良のモデル -- E-pred は、以前の作業よりも大幅に優れ、R-pred よりも正確に持続時間情報をキャプチャします。
  論文  参考訳（メタデータ） (2020-11-05T01:52:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。